Python 带阵列的Numpy-ndarray切片

在尝试使用多个切片阵列沿不同维度切片数据阵列时，我很难理解numpy广播错误背后的原因。 我试图使用索引数组

选取
来沿第一和第二维度切片
数据
ndarray（100306481），例如np.arange（2306,3）和布尔数组
mask
，其中
mask.shape
是（481），其中361个元素是
True

data[：，picks，mask]
返回

索引器错误：形状不匹配：无法广播索引数组
连同形状（102，）（361，）

但是，
data[：，：，mask]
，
data[：，picks，：]
，和
data[：，：10，mask]
工作正常

在这种情况下，广播是如何工作的？什么是蟒蛇式的方法
 所以

data[:, :, mask]  => (100, 306, 361) 
data[:, :10, mask] => (100, 10, 361)
data[:, picks, :] => (100, 102, 481)

如果
选择
有（361，）个元素，则

data[:, picks, mask] => (100, 361)  # I think :)

想想
picks
匹配
np.where（mask）

但是要在单独的维度中建立索引，
选择必须是列向量，因此（102,1）与（1361）一起广播以产生（102361）选择

data[:, picks[:,None], mask] => (100, 102, 361) # again I need to test

因此，创建一些测试阵列：

In [253]: data=np.ones((100,306,481))
In [254]: picks=np.arange(2,306,3)
In [255]: mask=np.zeros(481,bool)
In [256]: mask[:361]=True
In [257]: data[:, picks[:,None],mask].shape
Out[257]: (100, 102, 361)

可以用一片来代替阿拉伯菜

In [259]: data[:, 2::3, mask].shape
Out[259]: (100, 102, 361)

ix
在这种情况下很方便

In [268]: I,J=np.ix_(picks,mask)
In [269]: I.shape
Out[269]: (102, 1)
In [270]: J.shape
Out[270]: (1, 361)
In [271]: data[:,I,J].shape
Out[271]: (100, 102, 361)

如果您想要形状的切片
（100，len（picks），len（mask））
，您可以使用
数据[：，picks[：，np.newaxis]，mask]
。您不能广播形状为
（m，）
和
（n，）
的数组，但可以广播形状为
（m，1）
和
（n，）
的数组。您可能还需要检查函数
np.ix
。上述内容相当于
数据[np.ix(arange（100），picks，mask）]
。